1．コロナ禍で加速する現場業務変革

　新型コロナウイルスの影響を受け，元々ICTを用いていたオフィス業務においては，既に多くの企業でテレワークが導入され，業務フロー・情報共有・コミュニケーションのリモートワーク化が進んでいる⁽¹⁾．

　一方，工場の製造ラインなどでは，現場に人がいて機械や製品を直接見ながら行う業務が多くリモートワーク化が進んでいない．近年の人手不足への対策として遠隔からの管理・監視・指示などで現場作業を支援するリモートワークの実現による業務変革が望まれながらも普及が遅れている．しかし，コロナ禍によって現場業務もリモートワーク化が急務となっている．

　現場業務のリモートワーク化には，高精細映像データの活用が有効である．例えば，工場内に多数の高精細カメラを配置し，現場の映像を収集して映像AI解析を行い作業手順ミス・危険作業の発生，密集状態などをリアルタイムに自動検出・一括モニタリングすることで，作業品質や作業環境の飛躍的な改善が期待できる（図1）．

　本稿では，現場業務改革を加速する上で，注目される最新技術について解説する．まず，2．で5G（第5世代移動通信）の特徴を説明する．次に3．で5G及び映像AI解析システムの動向を説明する．そして，4．で映像AI解析システムの理想的な構成を提案し，5．で映像AI解析のエッジ・クラウド／センター連携システムを実現するための技術を紹介する．最後に，6．で今後の展望を述べる．

2．5G　の　特　徴

　現在，次世代無線技術として，高速・大容量，低遅延，多端末接続の特徴を有する5Gが注目され，国内では2020年3月からサービスが開始された．5G関連のマーケットは，2025年には国内3兆円，グローバル77兆円の規模に成長すると予想されている⁽²⁾．特に，5Gの高速・大容量特性によって，高精細カメラの普及やカメラ設置台数の増加に伴って増大する映像データを無線でリアルタイムに伝送可能となるため，映像データを活用する映像ソリューションの普及への期待が高まっている．また，5Gには，大手キャリヤ各社が提供するサービスとは別に，「ローカル5G」というキャリヤを利用せず自由に5Gネットワークを構築できる仕組みがある（図2）．

　ローカル5Gは企業・自治体などが構築する専用ネットワークとして，建物や土地単位で割り当てられ，通信帯域の占有及び上り／下り割当など独自に設定することができる⁽³⁾．これにより，カメラ・サーバ間のLANケーブル配線が不要となり，広大な敷地の工場に多数のカメラを自由な位置に設置し，高精細映像を無線経由でサーバに伝送することが可能となる．そして，無線電波のふくそうによるパフォーマンス低下や盗聴に対してもロバストな環境を構築することができる．

3．5G及び映像AI解析システムの動向

　5G技術は，総務省を中心に2017年から種々の実証実験が行われている．低遅延特性を生かす高速制御として，トラック隊列走行・建機の遠隔操縦の実証が行われている．また高速・大容量特性を生かす高精細映像データの安定伝送と目視利用として，遠隔診療・スポーツ映像配信・工事現場監視が検証されている⁽⁴⁾．

　一方，映像をAI解析するシステムは，ディープラーニング（DL: Deep Learning）技術の発達で，映像から人の顔や全身や動作，車など特定対象物を高精度に検出することが可能となり，実用化が進んでいる．例えば，路上・店舗の不審行動者の検出⁽⁵⁾，食品事業者の手洗い確認⁽⁶⁾など，技術の応用分野が広がっている．

　しかし，収集する映像データ量が大きいため，現在の映像AIシステムでは，インターネットを介したサーバ間の安定伝送が難しい．このため，現場に処理サーバを設置し，解析結果のみをクラウドあるいは企業内のデータセンター（以下クラウド／センターと表記）に伝送して，現場全体の情報可視化などに利用するシステム構成が主流である（図3(a)）．

4．映像AI解析システムの理想的な構成

　映像AI解析に用いられるDL技術は処理負荷が高い．また，現場業務では，様々な要因で処理負荷が変動する．まず，接続カメラ台数の増加に伴い処理負荷が上がる．また，1台のカメラで人の行動をAI解析する際，人の領域を切り出して個別に処理を行うソフト処理の場合には，映像に映る人数が増加しても処理負荷は上がる．このように処理負荷そのものが高くかつ変動する場合には，ピーク処理量を想定し，その負荷に耐え得るGPUを搭載した高性能サーバを現場に設置する必要がある．結果，サーバのシステム機器コストが膨大になるとともに，サーバの設計・運用・管理が大変になる．顧客にとっては，コスト高・サーバ管理の困難さが課題となり，またベンダにとっても，システムの設計・機器設置の困難さが課題となる．

　これらの課題を解決するためには，映像AI解析にエッジサーバとクラウド／センターサーバの両方を連携して活用するエッジ・クラウド／センター連携構成のシステムが有効である．処理負荷の変動は，ハードウェアリソース配分の柔軟性が高いクラウド／センターサーバで吸収させ，現場には必要最小限の台数・性能のエッジサーバを設置する．具体的には，エッジサーバでは映像AI解析による異常検知後に即時機器停止が必要な処理や映像圧縮等の前処理など最小限の処理を行う．そして，結果出力の遅延を秒オーダまで許容できる処理は，処理負荷の変動に応じたシステム構成変更が容易なクラウド／センターへ映像伝送して複数現場の映像解析を一括して実施する（図3(b)）．

5．エッジ・クラウド／センター連携の実現技術

　エッジ・クラウド／センター連携構成での映像AI解析システムを実現するためには，二つの問題をクリアする必要がある．

　一つめは，データ転送の問題である．映像データはサイズが大きいため，エッジサーバとクラウド／センターサーバとの間をインターネット経由でリアルタイムに安定伝送するのは困難であり，ネットワーク帯域のひっ迫がボトルネックになる．

　二つめは，現場の状況に合わせた最適なシステム設計方法の問題である．従来のように，人の経験に頼りトライ＆エラーで性能要件を満たすシステムを設計していたのでは，コストアップにつながる．

　そこで本章では，これらの問題を解決し，高品質かつ低コストのリアルタイム映像AI解析ソリューションを実現する技術を紹介する．

6．今 後 の 展 望

　本稿では，アフターコロナに向けて現場業務のリモートワークを実現する技術を紹介した．現場業務においてもICT技術を活用したリモートワーク実現などの業務変革推進の流れは加速する一方である．カメラからの高精細映像の伝送に適したローカル5G技術の商用利用も始まり，5G技術と映像AI解析技術を活用したソリューションへの期待は高まっている．工場ライン以外にも店舗・工事・病院などでの管理・監視・指示以外の現場業務に対しても，同様のソリューションによる業務改善が広がっていくと考える．

　一方で，増大し続ける高精細映像データを扱う映像AI解析システムでは，伝送データ量削減やシステム設計の課題のほかにも課題がある．一例として，システム構成変更時に処理が一時停止し，その間に発生したイベントを検出できないことが起きると問題となる．このようなシステム運用中の解析処理の連続性が大きな課題となると想定しており，今後も注力すべき研究分野として新たな課題に取り組んでいく．

文　　　　　献

(2021年1月15日受付　2021年2月15日最終受付)